OpenHuman 研究筆記¶

資料來源¶

項目	連結
GitHub repo	https://github.com/tinyhumansai/openhuman
官網	https://tinyhumans.ai/openhuman
GitBook 文件	https://tinyhumans.gitbook.io/openhuman/
Discord	https://discord.tinyhumans.ai/
創作者	senamakel（X: @senamakel）
Trendshift	https://trendshift.io/repositories/23680
規模	17,553 stars / GPL-3.0 / 創建 2026-02-18（3 個月 17.5k stars / Early Beta）
語言	Rust + TypeScript（pnpm workspace + Tauri 桌面 shell）
工具鏈	Node.js 24+ / pnpm 10.10.0 / Rust 1.93.0 / CMake / Ninja / ripgrep

概述¶

OpenHuman 是 tinyhumansai（個人開發者 senamakel）的開源 個人 AI 超智能桌面助理，slogan：

"Your Personal AI super intelligence. Private, Simple and extremely powerful."

跟絕大多數「coding agent」不同，OpenHuman 把 LLM 塞進你的日常生活 —— 不是「給開發者用的 ReAct loop」，而是「會說話的桌面 mascot + 自動連你 118 個服務 + 持續累積對你的理解」。

最核心的差異化是 「在最短時間建立 personal context」：

Most agents start cold. Hermes learns by watching you work; OpenClaw waits for plugins. Either way, you spend days or weeks before the agent knows enough. OpenHuman skips the wait. Connect your accounts, let auto-fetch pull data locally on a 20-minute loop, and then have Memory Trees compress everything into Markdown files stored in a Karpathy-style Obsidian wiki.

→ 設計靈感是 Karpathy 的 LLM Knowledgebase / obsidian-wiki workflow（X post 2039805659525644595）。

核心模組¶

模組	內容
🎭 Desktop Mascot	桌面有「臉」的代理人，會說話、回應環境、會以真實 participant 身份加入你的 Google Meet、跨週記得你、即使你停打字也在背景思考
🔌 118+ OAuth Integrations	Gmail、Notion、GitHub、Slack、Stripe、Google Calendar、Drive、Linear、Jira... 一鍵 OAuth，每 20 分鐘自動 walk 連線拉新資料
🌳 Memory Tree	連進來的資料 canonicalize 成 ≤ 3k token Markdown chunks → 評分 → 折成階層摘要樹 → SQLite 存本機
📚 Obsidian Wiki	同樣 chunks 落地成 `.md` 在 Obsidian-compatible vault，你可以打開、瀏覽、編輯
🔋 Batteries Included	Web search、scraper、coder toolset (filesystem/git/lint/test/grep)、native voice (STT in + ElevenLabs TTS out + mascot lip-sync)
🧠 Model Routing	自動把任務分派到對的 LLM（reasoning / fast / vision），一個訂閱搞定
🤖 Optional Local AI via Ollama	想全離線的可以走本機
🗜️ TokenJuice	把每個 tool call / scrape / email / search 在送進 LLM 前先壓縮：HTML → Markdown、URL 縮短、verbose dedupe + summarise。CJK / emoji 逐 grapheme 保留，降低成本/延遲達 80%
📨 Messaging Channels	inbound / outbound 跨各種頻道
🔒 Privacy & Security	workflow data on-device、加密本機

與其他 Agent Harness 的對比表（OpenHuman 自己列的）¶

	Claude Cowork	OpenClaw	Hermes Agent	OpenHuman
Open-source	🚫 Proprietary	✅ MIT	✅ MIT	✅ GNU GPLv3
Simple to start	✅ Desktop + CLI	⚠️ Terminal-first	⚠️ Terminal-first	✅ Clean UI, minutes
Cost	⚠️ Sub + add-ons	⚠️ BYO models	⚠️ BYO models	✅ One sub + TokenJuice
Memory	✅ Chat-scoped	⚠️ Plugin-reliant	✅ Self-learning	🚀 Memory Tree + Obsidian vault + optional agentmemory backend
Integrations	⚠️ Few connectors	⚠️ BYO	⚠️ BYO	🚀 118+ via OAuth
Auto-fetch	🚫 None	🚫 None	🚫 None	✅ 20-min sync into memory
API sprawl	🚫 Extra keys	🚫 BYOK	🚫 Multi-vendor	✅ One account
Model routing	🚫 Single model	⚠️ Manual	⚠️ Manual	✅ Built-in
Native tools	✅ Code-only	✅ Code-only	✅ Code-only	✅ Code + search + scraper + voice

→ 主要競爭定位：「不是 coding agent，是日常生活 agent」。

與 agentmemory 整合¶

OpenHuman 還可以選用 agentmemory backend：

# config.toml
[memory]
backend = "agentmemory"

→ 同一份 durable store 可以被 OpenHuman / Claude Code / Cursor / Codex / OpenCode 共用。對「跨 agent 共享我的記憶」是個重要 pattern。

安裝¶

# macOS / Linux x64
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

# Windows
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex

# 或下載 DMG / EXE：tinyhumans.ai/openhuman

目前限制與注意事項¶

Early Beta：repo 自陳「expect rough edges」，production 用要謹慎。
GPL-3.0：商用 / fork 必須沿用 GPL，比 MIT / Apache 嚴格——對企業整合是限制。
OAuth 信任成本高：要把 Gmail / Notion / GitHub / Stripe 都接給一個桌面 app，就算 on-device 加密，依然要評估 token 洩漏風險。
每 20 分鐘自動 fetch 的 quota 消耗：每連線都會被 walked，對 quota 緊的服務（Gmail API、Notion API）要小心。
Mascot 加入 Google Meet 的隱私 / 合規問題：作為「real participant」進會議，對方 / 公司是否允許 AI 參加會議是法律灰區，在某些司法管轄下可能違反錄音同意法。
作者個人 repo：tinyhumansai 看似個人專案（senamakel），無公司背書；雖 17.5k stars 但可持續性依賴一個人。
「Tomorrow's users will be agents」反向應用：跟 [[cli-anything]] 的 "Making ALL Software Agent-Native" 是相反方向——OpenHuman 把「人類使用者的所有服務」灌進 agent；CLI-Anything 把「所有軟體」變 agent 可用。兩者是補集。

研究價值與啟示¶

關鍵洞察¶

「Personal AI = 把 agent 變成自己的 superset」是 2026 的新範式：傳統 agent 是「給定任務、回答」；OpenHuman 是「持續自動拉資料、無問也在累積對你的理解」。這是 Karpathy 提的 LLM Knowledgebase 概念第一次有 production-grade 開源實作。
Auto-fetch 20 分鐘 loop 是被低估的 UX 變革：絕大多數 agent 是 pull-on-demand（你問才查），OpenHuman 是 push-into-memory（agent 已經知道）。對「what's on my calendar tomorrow」「what did Jane email me yesterday」這類 query，沒有等資料的時間——資料已經在 Memory Tree 裡了。
Memory Tree + Obsidian Wiki 雙寫設計很聰明：SQLite 給 agent 快查、.md 給人類可讀。「資料一份、兩種介面」，使用者隨時可以打開 Obsidian 編輯，agent 下次 walk 自動撿回——這個雙向同步是 LLM 知識庫的關鍵設計。
TokenJuice 是 [[zeuikli-claude-code-best-practices]] 「caveman rules」的工程化版：規則式壓縮（HTML → Markdown、URL 縮短、dedupe）+ CJK grapheme 保留。對比 LLMLingua 對 CJK 有 25% 衰退，TokenJuice 路線（規則式而非 token-pruning）是正確方向。
「跟 agentmemory 整合」開啟了「跨 agent 共享記憶」可能：你的 Claude Code 可以讀到你 OpenHuman 累積的 personal context。這指向未來會有 "memory layer" 從 agent 中抽離出來成獨立元件——就像 vector DB 從 RAG 系統抽離一樣。
Mascot 加入會議是「具身化 AI」的早期實驗：把 AI 從聊天框拉到「實體在場」（會議參與者），降低「AI 是工具」的隔閡感——但這也帶來社會 / 法律的全新邊界問題（會議錄音同意法、AI 是否該揭露身分）。
個人 GPL 專案 vs HKUDS 機構級 Apache 的對比：[[cli-anything]] / [[rag-anything]] 是 HKUDS 機構級開源（Apache 2.0，鼓勵商用）；OpenHuman 是個人 GPL（防 fork 套殼）。兩種授權策略反映兩種社群成長路徑——機構走廣泛採用、個人走守住主導權。
「Agent 起步成本」是個未被充分討論的概念：作者反覆強調「cold start」問題——Claude / Cursor / Codex 開新對話都不認識你。OpenHuman 主張 「agent should know me before I ask」，這個論點若被市場驗證，會改變 agent 產品設計（從 chat-first 變成 context-first）。

與其他研究的關聯¶

與 [[cli-anything]]：方向相反互補。CLI-Anything 把所有軟體變 agent 可用；OpenHuman 把所有「我的資料」灌進 agent。兩者搭起來就是「agent 認識所有軟體 + agent 認識我」。
與 [[abdixere-api]]：abdixere 主張「context memory 應該在 Skill 層」、OpenHuman 主張「context memory 應該在 Memory Tree + Obsidian Wiki 層」——兩者都同意 context 不該在 system prompt 裡，差異在於存放位置。
與 [[zeuikli-claude-code-best-practices]] 第 3 章 Prompt Caching：TokenJuice 是 caching 的補集——caching 解「重複 context 不要重傳」，TokenJuice 解「context 本身要先壓縮」。
與 [[why-your-ai-is-dumbing-down]]：那篇揭露 IDE 平台截斷 context，OpenHuman 主張主動累積 context。兩者是「被動失憶 vs 主動記憶」的兩端。
與 [[karpathy-llm-wiki]]：OpenHuman 是 Karpathy obsidian-wiki workflow 的最完整實作版。看過 Karpathy 原概念的人，可以看 OpenHuman 怎麼把它工程化。
與 [[fincept-terminal]]：兩者都是 native desktop app + 嵌入式腳本語言（Fincept Qt+C+++Python、OpenHuman Tauri+Rust+TS）。native 桌面是個重新回歸的趨勢，對抗 Electron 的疲勞。
與 [[ramp-ai-agents]]、[[appflowy]]：同屬「AI-powered desktop tool」族群，但 OpenHuman 是首個把 「持續自動 fetch 個人資料」 寫成核心賣點的開源專案。